【《机械臂的轨迹规划与双环控制分析案例》7600字】

[58]。上述的模糊PID控制算法应用于机械臂各关节在各个规划路径点之间的跟随控制上，控制参数过多，在机械臂末端未接近最终目标点之前的路径点之间兼顾快速性，稳态误差，超调量这些系统性能参数显得过于冗余，因此借助多传感器融合测距模块，将整个机械臂的控制过程分为两个阶段，多传感器融合测距测得距离大于设定值时，对于机械臂各关节使用模糊PD控制，在模糊控制规则表上，误差和误差微分的变化幅度对应输出比例参数和微分参数的变化幅度较大，注重于系统调节消除误差的能力和速度，能让机械臂在前期运动中在保证一定精度的条件下尽可能快速地完成位置跟随；当多传感器融合测距测得距离小于等于设定值时，对机械臂各关节使用模糊PI控制，在模糊控制规则表上，误差和误差微分的变化幅度对应输出比例参数和微分参数的变化幅度较小，以实现对机械臂的精准调控，消除系统稳态误差，保证控制精度。当基于多传感器融合测距模块测出的与目标的距离小于设定值时，采用模糊PD控制，其控制框图如1.6所示：图1.6模糊比例微分控制框图控制器在时域的输出为：u采用误差和误差微分的变化幅度对应输出比例参数和微分参数的变化幅度较大的模糊规则表，如表1.2所示。表中误差e以及误差微分的模糊集对应着输出量∆KP隶属的模糊集，例如，当误差e为NB负大，误差微分ec为NB负大时，对应着∆KP所属的模糊集为PB正大；当误差e为NB表1.2∆K表1.3∆K当基于多传感器融合测距模块的测距结果值大于设定值时，采用模糊PI控制比例积分控制，其控制框图如图1.7所示：图1.7模糊比例积分控制框图控制器在时域的输出为：u模糊控制规则表如下表1.4∆K表1.5∆K机械臂位置控制实验以机械臂第一个关节第1个路径点与第2个路径点之间的控制为例执行机械臂位置环控制，此时多传感器融合测距测得距离为60cm，大于设定值20cm，使用表1.2和表1.3的模糊控制规则表。关节角位移的初始输入值为10.5°，期望值为21.7°，分别进行模糊PID控制以及模糊PD控制，模糊PID控制的初始控制参数为：KP0=8,KD0=4,图1.8控制效果图1由图1.8可以看出模糊PD控制在1.25s时就已经稳定在期望值附近，而模糊PID控制则在2.1s时才达到稳态值，虽然与模糊PID控制相比，模糊PD控制有一定的稳态误差，但是在距离目标工件较远的路径点之间以保证一定的精度为前提，快速控制通过设定路径点是首要要求，较小的超调量使得机械臂在第一次到达期望值之后调整所需的时间变小，而稳态误差则会作为下个路径点之间的误差再进入控制系统校正，该控制模型设计符合控制要求。第4个路径点与第5个路径点之间执行位置环控制，此时多传感器融合测距测得距离为15cm，小于设定值20cm，使用表1.4和表1.5的模糊控制规则表。关节角位移的初始输入值为49.6°，期望值为62.0°，分别进行模糊PID控制以及模糊PI控制，模糊PID控制的初始控制参数为：KP0=8,KD0=4,图1.9控制效果图2由图1.9可以看出在距离目标工件更近时，在最终的稳态精度上，模糊PI控制以更少的控制参数，取得了相近的控制效果。本文的机械臂位置控制方法在距离工件较远时，使用一套控制速度更快的模糊控制规则表，在距离工件较远时使用精度更高的模糊规则表。从机械臂全过程的控制时间来看，如图1.10示，分阶段控制的控制时间大概为7.5s，全过程一直使用PID控制的控制时间大概为12s，从控制时间上来说对机械臂各关节采用分阶段控制方法的效果更好。综上所述，本文设计的机械臂位置控制方法符合控制要求且取得了取得了较好的成效。图1.10机械臂关节1全过程控制图1.3.2姿态环控制姿态环为内环，目的是在到达每个实际路径点，完成上次识别的姿态偏差修正，在机械臂间隔停止重新获取待检测工件图像时，位于工作台上的摄像头获取机械臂手爪的图像，完成图像预处理之后，进行轮廓检测，得到手爪法兰盘上三个有红色圆环标记的螺丝孔，将三个螺丝孔连成一个三角形，求得该三角形右下方的角与pi/3做差得误差角度α，如果误差α在±5%范围内，则认为机械臂末端手爪姿态无需调整；如果误差不在±5%范围内，再比较该角的两条邻边b,c，如果α>3&&b>c,则法兰盘需在0.8秒内向右下方调整α/3；α<−3&&b>c,则法兰盘需在0.8秒内向右上方调整α/3；如果α>3&&b<c,则法兰盘需在0.8秒内向左下方调整α/3；α<−3&&b<c,则法兰盘需在0.8秒内向左上方调整图1.11姿态环控制流程图(1)图像的获取与处理工作台上的摄像头获取机械臂末端执行器的图片，在位置环控制的间隙进行姿态环控制，工作台上获取的图像如图1.12示：图1.12工作台摄像头获取画面在机械臂末端执行器的手爪上用红色标签标记，标签图如图1.13示，目的是采用颜色分割算法，分割出安装在法兰盘上的三个手爪螺丝孔，这三个螺丝孔刚好均匀分布在法兰盘的圆弧上，如果手爪垂直于工作台，那么这三个螺丝孔连成的三角形应为等边三角形，三角形右下方的夹角应为60度。图1.13工作台摄像头画面标签图姿态检测算法的实现首先采用颜色分割算法分割出法兰盘圆弧上的三个螺丝孔，然后将分割出来的图像二值化，如图1.14示：图1.14二值化效果图分割出的图像二值化的目的是做轮廓检测，检测出这三个轮廓，并找出轮廓的中心点，再将中心点两两连线构成一个三角形，三角形用于判断机械臂手爪的姿态。但在图中可以看出，三个圆环形环内有很多间隙，这对轮廓检测有很大的影响，进而导致中心点的获取产出很大的误差，所以需要将这些圆环中的间隙消除。本文采用图像的闭运算的方法将这些间隙消除，效果如图1.15示：图1.15闭运算效果图闭运算消除圆环间隙之后，采用轮廓检测算法，找到三个圆环的轮廓并求出中心点，三个中心点组成三角形，再求出该三角形右下方的夹角以及两条邻边的长度，以此来判断机械臂末端手爪的姿态，计算结果如图1.16示：图1.16计算结果图从计算结果可以看出，三角形的夹角为59度，计算得出误差α=−1°，绝对值小于3°，且其夹角的两个邻边的长度也极为相近，因此，判定此时机械臂的末端机械爪与工作台垂直，姿态到达最佳位置。当工作台上的摄像头获取的机械臂手爪图像如图1.17示时：图1.17工作台摄像头获取图像2以上述方法求得法兰盘上螺丝孔中心点连成的三角形右下角的夹角以及邻边，结果如图1.18示：图1.18姿态算法计算结果由图1.